Numer: 04/2025 Str. 71
Autorzy: Mohammed Maiza , Samira Chouraqui , Chahira Cherif , Abdelmalik Taleb-Ahmed :
Tytuł: Klasyfikacja nowotworów poprzez selekcję genów wyodrębnionych na podstawie danych z mikromacierzy
Streszczenie: W niniejszym badaniu proponujemy porównanie trzech metod selekcji cech w kontekście klasyfikacji binarnej. Skupiamy się na przypadkach, w których liczba zmiennych jest wyjątkowo duża i znacznie przewyższa rozmiar próbki, co często występuje w danych z mikromacierzy. Wybraliśmy cztery algorytmy klasyfikacji: drzewo decyzyjne (DT), k-najbliższych sąsiadów (K-NN), sieci neuronowe (NN) oraz maszyny wektorów nośnych (SVM), a także trzy kryteria selekcji oparte na filtrach wykorzystujące informacje˛ wzajemną: MIM (Maksymalizacja Informacji Wzajemnej), JMI (Wspólna Informacja Wzajemna) oraz MRMR (Maksymalna Trafność, Minimalna Redundancja). Początkowo zastosowaliśmy te algorytmy klasyfikacji bezpośrednio do zbiorów danych z mikromacierzy bez przetwarzania wstępnego ani selekcji cech, aby ustanowić punkt odniesienia do oceny wpływu przetwarzania wstępnego i selekcji cech na wydajność klasyfikacji. Drugie podejście polegało na klasyfikacji po przetworzeniu danych, ale bez selekcji cech, co pozwoliło nam ocenić wpływ przetwarzania wstępnego na wyniki klasyfikacji. W trzecim podejściu klasyfikację przeprowadzono po przetwarzaniu wstępnym i selekcji cech, co umożliwiło ocenę łącznego wpływu tych kroków na poprawę wydajności klasyfikacji.
Słowa kluczowe: Dane mikromacierzy, wybór genów, drzewo decyzyjne, sieci neuronowe, SVM, K-NN, informacja wzajemna